基于眼电图的眼动信号分类算法研究.pdfVIP

第 29卷第5期 宿 州 学 院 学 报 VO1．29，N0．5 2014年 5月 JournalofSuzhouUniversity May．2014 doi：10．3969／j．issn．1673—2006．2014．05．021 基于眼电图的眼动信号分类算法研究 侯传宇 ，李 鸿 ，张秋实 ，赵 娟。 1．宿州学院信息工程学院，安徽宿州 ，234000；2．宿州市立医院CT室，安徽宿州，234000 3．合肥学院数理系，安徽合肥，230601 摘要 ：为降低 EOG 的眼动信号中的噪声，提高分类算法精度 ，改进基于EOG 的人一机交互系统性能，提 出了一种 基 于小波变换 (WaveletTransform)与支持 向量机 (svM)的眼动信号分类算法(wT～sVM)。实验室环境下，对 9 名眼部活动正常的受试者进行 了眼动数据采集与识别，wT—SVM 算法的平均分类准确率达到 96．9 ，与常规带 通滤波去噪方法相 比较 ，平均正确识别率提升 了1．3 。实验结果表明，小波变换在 EOG信号预处理 中具有较强的 鲁棒性，wT—SVM 算法在眼动信号识别 中具有高的分类精度 。 关键词：人一机交互 ；眼 电图；小波变换 ；分类；支持向量机 中图分类号：TP399 文献标识码 ：A 文章编号：1673—2006(2014)O5—0066—05 扰使得 EOG信号受到不 同程度的污染。为获取更 1 研究背景 为纯净的EOG信号 ，提高眼动信号 的分类准确度 ， 近年来 ，生物医学工程和计算机辅助技术的快 需要对采集到的EOG信号进行降噪处理，通常使 速发展为肢体残障人士对外交流提供 了极大便利， 用常规滤波器 ，如 巴特沃斯 (Butterworth)滤波器 但是，由于残障人士需求的特殊性，用键盘、鼠标、操 等L8]。小波变换 (WaveletTransform：WT)是一种有 纵杆或触摸屏等作为辅助工具的人机交互系统已不 效 的时频分析工具，在脑 电图等非平稳信号 的分析 能满足使用者的需求 。最近 ，语音识别、视觉信息、脑 与处理中，性能 良好L9州。现已被用于基于 EOG信 机接口(Brain—ComputerInterfaces，BCI)[13等新辅助 号的眨眼检测 以及心电图等生理信号的去噪研究 技术在人一机交互 (HumanComputerInteraction， 中L】¨引。常规滤波器在其参数固定的情况下，性能稳 HCI)中不断涌现 ，极大地促进了人机交互的发展。 定 ，适用于具有确定性的平稳信号，对于非平稳信号 对一组有肢体严重残疾 的人群的调查表明，大多数 处理效果不够理想。然而，对于基于EOG的人一机 人仅具有控制动眼神经系统的能力[2]，因而眼动信 交互系统来说 ，原始眼电信号 中不可避免地混有人 号用于开发新 的人机交互系统成为 目前研究 的热 体 电信号 (包括肌电、脑 电等)，具有较大 的非稳定 点[3]。采集眼动信号通常采用眼电图(Eleetrooculo- 性 ，小波变换可通过小波分解 ，进行 自适应的调整 ， gram，E0G)、搜索线圈、红外线眼动图、视频记录等 适用于非平稳信号的处理 。为此 ，本文提出一种基于 方法。眼电图是一种用于记录角膜和视网膜由于眼 小波变换的分类算法 ，以提高眼动信号的分类性能 。 动产生的电势信号 的技术[4]，具有成本低、便于采 实验结果表明，用小波变换处理过 E0G信号的分 集、信噪比高等优势 ，已广泛应用于医学辅助设备、 类准确率更高 ，小波变换相较于 Butterworth滤波 虚拟键盘[5控制等方面。而基于EOG的HCI技术 器对E0G信号具有更好的鲁棒